CN111950557A - 错题处理方法、图像形成装置及电子设备 - Google Patents
错题处理方法、图像形成装置及电子设备 Download PDFInfo
- Publication number
- CN111950557A CN111950557A CN202010852173.1A CN202010852173A CN111950557A CN 111950557 A CN111950557 A CN 111950557A CN 202010852173 A CN202010852173 A CN 202010852173A CN 111950557 A CN111950557 A CN 111950557A
- Authority
- CN
- China
- Prior art keywords
- area
- question
- answer
- test
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000012360 testing method Methods 0.000 claims abstract description 274
- 238000012545 processing Methods 0.000 claims abstract description 91
- 238000012937 correction Methods 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims description 47
- 238000007781 pre-processing Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 238000005286 illumination Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012015 optical character recognition Methods 0.000 description 3
- 238000007639 printing Methods 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007373 indentation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/109—Font handling; Temporal or kinetic typography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/186—Templates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明实施例提供一种错题处理方法、图像形成装置及电子设备,错题处理方法包括:获取试卷图像;根据试卷图像的区域定位特征确定试卷图像的至少一个题目区域以及每个题目区域所对应的答案区域;对答案区域的图像进行识别,获取各个答案区域的试题批改特征,根据各个答案区域的试题批改特征确定各个答案区域的答案内容是否正确;将答案内容错误的答案区域所对应的题目区域的题目内容输出。不需要借助服务器就能快速准确地识别错题,并将错题按照预定的模板进行排版输出,降低了错题线上处理的局限性,提高了错题线上处理的可操作性,从而提升了用户使用体验。
Description
技术领域
本申请涉及图像处理技术领域,具体涉及错题处理方法、图像形成装置及电子设备。
背景技术
学生每次考试、完成作业后都有可能存在错题,针对错题往往需要再次复习和巩固,而传统的方法是把错题文档找出来,然后一一摘抄到笔记本或空白纸上,分析错题原因,重新答题,这种采用摘抄和整理的方式比较浪费时间,也不利于保存翻阅。
现有技术中提供了通过电子平台进行错题收集和整理的方案,但目前,电子平台要实现错题收集和整理往往需要借助服务器才能完成,这样大大限制了错题线上处理的可操作性。
发明内容
本申请实施例提供一种错题处理方法、图像形成装置、电子设备、可读存储介质及计算机程序产品,不需要借助服务器就能快速准确地识别错题,并将错题按照预定的模板进行排版输出,降低了错题线上处理的局限性,提高了错题线上处理的可操作性,从而提升了用户使用体验。
第一方面,本申请实施例提供一种错题处理方法,包括:
获取试卷图像;
根据所述试卷图像的区域定位特征确定所述试卷图像的至少一个题目区域以及每个题目区域所对应的答案区域;
对所述答案区域的图像进行识别,获取各个所述答案区域的试题批改特征,根据各个答案区域的试题批改特征确定各个答案区域的答案内容是否正确;
将答案内容错误的答案区域所对应的题目区域的题目内容输出。
结合第一方面,在一种可行的实现方式中,所述根据所述试卷图像的区域定位特征确定所述试卷图像的题目区域以及每个题目区域所对应的答案区域,包括:
识别所述试卷图像中的至少一个试题类型标识;
根据所述至少一个试题类型标识确定所述试卷图像中的至少一个第一区域以及每个第一区域对应的试题类型信息,其中,所述试题类型标识与所述第一区域一一对应;
根据每个第一区域的区域定位特征和对应的试题类型信息确定每个第一区域中的至少一个题目区域以及每个题目区域所对应的答案区域。
结合第一方面,在一种可行的实现方式中,所述根据每个第一区域的区域定位特征和对应的试题类型信息确定每个第一区域中的至少一个题目区域以及每个题目区域所对应的答案区域,包括:
根据每个第一区域的试题区域定位特征确定每个第一区域中的至少一个试题区域;
根据每个第一区域的答案区域定位特征和试题类型信息确定至少一个试题区域中每个试题区域对应的答案区域,进而确定每个答案区域对应的题目区域,其中,每个试题区域包括题目区域及答案区域。
结合第一方面,在一种可行的实现方式中,所述答案区域定位特征包括:特定字符标识、空白区域位置信息、字符尺寸、字符颜色、字符类型中的一个或者任意多个。
结合第一方面,在一种可行的实现方式中,在对所述答案区域的图像进行识别,获取各个所述答案区域的试题批改特征,根据各个答案区域的试题批改特征确定各个答案区域的答案内容是否正确之前,所述方法还包括:
对所述试卷图像进行预处理,所述预处理包括颜色增强处理、几何校正处理、光照增强处理及背景去除处理中的任意一个或者多个。
结合第一方面,在一种可行的实现方式中,所述将答案内容错误的答案区域所对应的试题区域的试题内容输出,包括:
对答案内容错误的答案区域所对应的题目区域进行二值化处理和字符识别处理,生成与所述答案区域的题目内容对应的格式化题目图像;
将所述格式化试题图像或者将所述格式化试题图像和答案内容错误的答案区域所对应的试题区域/题目区域的图像按照预设排版方式进行排版,生成错题文档并将所述错题文档输出。
结合第一方面,在一种可行的实现方式中,所述获取试卷图像,包括:
通过扫描模块对待处理的错题文档进行扫描,从而获得所述试卷图像;
或者,接收其他电子设备发送的所述试卷图像。
第二方面,本申请实施例提供了一种图像形成装置,所述装置包括:
第一获取模块,用于获取试卷图像;
第一确定模块,用于根据所述试卷图像的区域定位特征确定所述试卷图像的题目区域以及每个题目区域所对应的答案区域;
第二确定模块,用于对所述答案区域的图像进行识别,获取各个所述答案区域的试题批改特征,根据各个答案区域的试题批改特征确定各个答案区域的答案内容是否正确;及
第一输出模块,用于将答案内容错误的答案区域所对应的题目区域的题目内容输出。
结合第二方面,在一种可行的实现方式中,所述第一确定模块,包括:
第一识别单元,用于识别所述试卷图像中的至少一个试题类型标识;
第一确定单元,用于根据所述至少一个试题类型标识确定所述试卷图像中的至少一个第一区域以及每个第一区域对应的试题类型信息,其中,所述试题类型标识与所述第一区域一一对应;及
第二确定单元,根据每个第一区域的区域定位特征和对应的试题类型信息确定每个第一区域中的至少一个题目区域以及每个题目区域所对应的答案区域。
结合第二方面,在一种可行的实现方式中,所述第二确定单元,包括:
第一确定子单元,用于根据每个第一区域的试题区域定位特征确定每个第一区域中的至少一个试题区域;及
第二确定子单元,用于根据每个第一区域的答案区域定位特征和试题类型信息确定至少一个试题区域中每个试题区域对应的答案区域,进而确定每个答案区域对应的题目区域,其中,每个试题区域包括题目区域及答案区域。
结合第二方面,在一种可行的实现方式中,所述答案区域定位特征包括:特定字符标识、空白区域位置信息、字符尺寸、字符颜色、字符类型中的一个或者任意多个。
结合第二方面,在一种可行的实现方式中,所述图像形成装置还包括:
预处理模块,用于对所述试卷图像进行预处理,所述预处理包括颜色增强处理、几何校正处理、光照增强处理及背景去除处理中的任意一个或者多个。
结合第二方面,在一种可行的实现方式中,所述第一输出模块,包括:
第一处理单元,用于对答案内容错误的答案区域所对应的题目区域进行二值化处理和字符识别处理,生成与所述答案区域的题目内容对应的格式化题目图像;及
第一输出单元,用于将所述格式化试题图像或者将所述格式化试题图像和答案内容错误的答案区域所对应的试题区域/题目区域的图像按照预设排版方式进行排版,生成错题文档并将所述错题文档输出。
结合第二方面,在一种可行的实现方式中,所述第一获取模块还包括:
扫描模块,用于对待处理的错题文档进行扫描,从而获得所述试卷图像;
和/或,接收模块,用于接收其他电子设备发送的所述试卷图像。
第三方面,本申请实施例提供了一种电子设备,所述电子设备包括存储器、处理器,所述存储器中存储有计算机程序,所述处理器与所述存储器连接,所述处理器执行计算机程序以实现第一方面或者第一方面任一可行的实现方式中的方法的指令。
第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质包括计算机指令,当所述计算机指令在电子设备上运行时,使得所述电子设备执行第一方面或者第一方面任一可行的实现方式中的方法的指令。
第五方面,本申请实施例提供了一种计算机程序产品,当所述计算机程序产品在电子设备上运行时,使得所述电子设备执行如第一方面或者第一方面任一可行的实现方式中的方法的指令。
可以理解,本发明实施例提供的错题处理方法,不需要借助服务器就能快速准确地识别错题,并将错题按照预定的模板进行排版输出,降低了错题线上处理的局限性,提高了错题线上处理的可操作性,从而提升了用户使用体验。通过采用颜色增强处理、几何校正处理、光照增强处理和/或背景去除处理等技术对试卷图像进行预处理,从而修复图像质量,提高错题识别的识别率。
附图说明
图1为本申请一个实施例的提供的一种错题处理方法的流程图;
图2为本申请一个实施例提供的试题区域识别效果的示意图;
图3为本申请一个实施例提供的题目区域和答案区域识别效果的示意图;
图4为本申请一个实施例提供的错题处理方法的应用场景示意图;
图5为本申请一个实施例提供的错题处理方法的流程图;
图6为本申请一个实施例提供的错题处理装置的结构示意图;
图7为本申请一个实施例的一种电子设备的结构示意图。
具体实施方式
为了更好的理解本发明的技术方案,下面结合附图对本申请实施例进行详细描述。
应当明确,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本申请中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B的情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
本发明实施例可以应用于电子设备对错题文档进行处理的场景,与现有技术相比,本发明实施例提供的错题处理方法,不需要借助服务器和/或PC(Personal Computer,个人计算机)就能快速准确地识别错题,并将错题按照预定的模板进行排版输出,降低了错题线上处理的局限性,提高了错题线上处理的可操作性,从而提升了用户使用体验。
其中,电子设备可以是图像形成装置,图像形成装置表示在例如打印纸的记录介质上打印例如由计算机产生的打印数据的设备。图像形成装置的例子包括但不限于复印机、打印机、传真机、扫描仪以及在单个设备中执行以上功能的多功能外设。图像形成装置如打印机可以支持网线连接、WI-FI连接及/或USB连接等。
在其它实施方式中,电子设备还可以是但不限于诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal Digital Assistant,PDA)、便捷式媒体播放器(Portable Media Player,PMP)、导航装置、可穿戴设备、智能手环、计步器等移动终端,以及诸如数字TV、台式计算机等固定终端。
下面以电子设备为图像形成装置为例,对本申请提供的错题处理方法进行说明。
图1为本申请一个实施例提供的错题处理方法的流程图。
请参阅图1,本发明实施例提供的一种错题处理方法,包括:
步骤S101:获取试卷图像;
步骤S102:根据试卷图像的区域定位特征确定试卷图像的至少一个题目区域以及每个题目区域所对应的答案区域;
步骤S103:对答案区域的图像进行识别,获取各个答案区域的试题批改特征,根据各个答案区域的试题批改特征确定各个答案区域的答案内容是否正确;
步骤S104:将答案内容错误的答案区域所对应的题目区域的题目内容输出。
可以理解,本发明实施例提供的错题处理方法,不需要借助服务器就能快速准确地识别错题,并将错题按照预定的模板进行排版输出,降低了错题线上处理的局限性,提高了错题线上处理的可操作性,从而提升了用户使用体验。
下面对本发明实施例提供的错题处理方法实现过程进行进一步说明。
针对步骤S101:获取试卷图像。
其中,试卷图像例如经老师或家长或者学生自己批阅过的试卷或者作业的图像。
其中,获取试卷图像的方式可以是:通过其他电子设备(例如手机、相机或者其他图像形成装置等具有拍照或扫描功能的电子设备)对待处理的错题文档的错题部分进行拍摄,通过网络或者数据线接收其他电子设备发送过来的试卷图像,从而获得试卷图像。
其中,获取试卷图像的方式还可以是:通过自身的扫描模块对待处理的错题文档进行扫描,从而获得试卷图像。
针对步骤S102:根据试卷图像的区域定位特征确定试卷图像的至少一个题目区域以及每个题目区域所对应的答案区域。
作为一种示例,步骤S102:根据试卷图像的区域定位特征确定试卷图像的题目区域以及每个题目区域所对应的答案区域,具体可以包括:
步骤S1021:识别试卷图像中的至少一个试题类型标识。
其中,识别试卷图像中的至少一个试题类型标识可以采用字符识别技术实现。
试题类型标识的例子包括:“选择题”、“判断题”、“填空题”、“计算题”等等。
步骤S1022:根据至少一个试题类型标识确定试卷图像中的至少一个第一区域以及确定每个第一区域对应的试题类型信息,其中,试题类型标识与第一区域一一对应。
可以理解的是,每个试题类型标识对应一种类型的试题,在本申请实施例中,一种类型的试题区域对应一个第一区域。
通常来说,每个第一区域在其对应的试题类型标识的下方,在另一个试题类型标识的上方,可以通过对试卷图像的排版进行分析,确定试卷图像中的各个第一区域。
在本申请实施例中,可以预先存储试题类型标识和试题类型信息的对应关系,当确定试题类型标识后,根据预先存储的试题类型标识和试题类型信息的对应关系,确定试题类型标识对应的试题类型信息。
图2为本申请一个实施例提供的试题区域识别效果的示意图。
图2所示的A1为一种试卷图像的示例,其中,试卷图像通常包括:标题区域(一般为试题的标题区域包括上述的试题类型标识,试题类型标识如A1所示的“一、判断题”、“二、填空题”、“三、应用题”、“四、计算题”)、试题区域、第一区域以及空白区域。
每个试题类型标识对应的一个第一区域,每个第一区域包括至少一个试题区域。
A2为对A1所示的试卷图像进行试题第一区域识别和划分的效果示意图。
根据对试题类型标识进行识别,可以将试卷图像按照不同类型的试题进行划分。
步骤S1023:根据每个第一区域的区域定位特征和对应的试题类型信息确定每个第一区域中的至少一个题目区域以及每个题目区域所对应的答案区域。
可以理解的是,每种类型的试题可以包括至少一个试题,一个试题对应一个试题区域,那么,每个第一区域可以包括至少一个试题区域,每个试题区域包括题目区域和答案区域。
其中,第一区域的试题类型信息可以包括该第一区域中各个试题区域的题目区域和答案区域的位置关系、排版信息等。不同类型的试题区域对应不同的试题类型信息,即不同第一区域的试题类型信息不相同。
其中,位置信息可以是像素点的坐标信息。
本申请实施例通过根据每个第一区域的区域定位特征和试题类型信息确定每个第一区域中的至少一个题目区域以及每个题目区域所对应的答案区域,基于试卷本身的特性,而且由于可以提前对不同类型的试题区域进行划分(即划分出第一区域),并且针对不同类型的试题区域,根据试题类型信息和区域定位特征再进一步识别每个题目对应的答案区域和题目区域,这样可以快速的确定每个第一区域中的题目区域以及每个题目区域所对应的答案区域,识别结果准确,而且也不需要提前对试卷图像进行大量的测试、统计分析。
图3为本申请一个实施例提供的题目区域和答案区域识别效果的示意图。
图3所示的A1为一种试卷图像的示例,其中,试卷图像通常包括:标题区域(标题区域包括上述的试题类型标识,试题类型标识如A1所示的“一、判断题”、“二、填空题”、“三、应用题”、“四、计算题”)、答案区域、题目区域以及空白区域。A3为对A1所示的第一区域进行题目区域和答案区域的识别和划分的效果示意图。
作为一种示例,步骤S1023:根据每个第一区域的区域定位特征和试题类型信息确定每个第一区域中的至少一个题目区域以及每个题目区域所对应的答案区域,可以包括:
步骤S1023a:根据每个第一区域的试题区域定位特征确定每个第一区域中的至少一个试题区域。
其中,区域定位特征可以包括试题区域定位特征及答案区域定位特征。
试题区域定位特征可以包括但不限于:试卷图像的排版、试卷图像中的字符缩进值、字符字体、字符尺寸、字符颜色、字符是否加粗等等特征中的一个或者任意多个。
在一些实施例中,还可以根据每个第一区域的试题区域定位特征和试题类型信息确定每个第一区域中的至少一个试题区域。
步骤S1023b:根据每个第一区域的答案区域定位特征和试题类型信息确定至少一个试题区域中每个试题区域对应的答案区域,进而确定每个答案区域对应的题目区域。其中,每个试题区域包括题目区域及答案区域。
在一些实现方式中,步骤S1023b可以是非必要的,划分第一区域后,可以直接根据答案区域定位特征和试题类型信息确定至少一个答案区域,再根据答案区域和题目区域对应的位置关系信息确定各个答案区域对应的题目区域。其中,第一区域的试题类型信息可以包括该第一区域中各个试题区域的题目区域和答案区域的位置关系信息、排版信息等。
在一些实现方式中,答案区域定位特征包括但不限于特定字符标识(例如,括号、下划线等)、空白区域位置信息、字符尺寸、字符颜色、字符类型(例如是否为手写体)等等中的一个或者任意多个。
可以理解,通过对不同类型的试题进行划分,使用不同类型的试题的试题类型信息确定每个不同类型的第一区域的各个题目区域和每个题目区域对应的答案区域,使得识别更加精确,且无需进行大量的测试、统计分析。
在其他实施方式中,对第一区域进行划分可以是非必要的,也可以直接根据试题区域定位特征及答案区域定位特征确定至少一个题目区域以及每个题目区域所对应的答案区域。
在一些实现方式中,为了能够更精确的对试卷图像进行识别,减少因拍照或者扫描引起的的字符歪斜、字符或图案不清晰等问题,因此,在步骤S102之前,错题处理方法还可以包括:
对试卷图像进行预处理,预处理包括颜色增强处理、几何校正处理、光照增强处理及背景去除处理中的任意一个或者多个。
具体地,可以预先对试卷图像进行检测,判断试卷图像是否有字符歪斜、字符或图案不清晰等问题,对存在问题的区域进行定位和标记,采用颜色增强处理、几何校正处理、光照增强处理和/或背景去除处理等技术对试卷图像进行预处理,从而修复图像质量,提高错题识别的识别率。
针对步骤S103:对答案区域的图像进行识别,获取各个答案区域的试题批改特征,根据各个答案区域的试题批改特征确定各个答案区域的答案内容是否正确。
其中,试题批改特征例如答案区域内的字符、图案、以及各个字符、图案的颜色等,根据各个答案区域的试题批改特征确定答案区域的答案内容是否正确具体为:
当检测到答案区域的试题批改特征满足预设条件时(例如答案区域内包含颜色为红色的“X”的图像时),确定该答案区域的答案内容错误,反之,则认为该答案区域的答案内容正确。
针对步骤S104:将答案内容错误的答案区域所对应的题目区域的题目内容输出。
作为一种示例,将答案内容错误的答案区域所对应的题目区域的题目内容输出具体可以为:
步骤S1041:对答案内容错误的答案区域所对应的题目区域进行字符识别处理和二值化处理,生成与答案区域的题目内容对应的格式化题目图像;
步骤S1042:将格式化试题图像或者将格式化试题图像和答案内容错误的答案区域所对应的试题区域/题目区域的图像按照预设排版方式进行排版,生成错题文档并将错题文档输出。
其中,二值化处理和字符识别处理和可以采用OCR(Optical CharacterRecognition,光学字符识别)技术实现,OCR技术主要针对印刷体字符,采用光学的方式将文档中的文字转换成为黑白点阵的图像文件(即对答案内容错误的答案区域所对应的题目区域进行二值化处理),并通过识别软件将图像中的文字转换成文本格式(即对答案内容错误的答案区域所对应的题目区域进行字符识别处理),从而得到与答案区域的题目内容对应的格式化题目图像。
其中,由步骤S1042可知,可以仅将答案内容错误的答案区域所对应的格式化题目图像输出,也可以将答案内容错误的答案区域所对应的格式化题目图像和(原)试题区域/题目区域的图像一起输出,本申请对此不作限定。
其中,当错题有多个时,每个错题分别生成一个错题文档,也可以是多个错题生成一个错题文档,即,可以将一个错题对应的格式化题目图像和(原)试题区域/题目区域的图像进行排版生成一个错题文档,也可以将多个试题对应的格式化题目图像和试题区域/题目区域的图像进行排版生成一个错题文档。或者,可以是将一个错题对应的格式化题目图像作为一个错题文档,或者将多个错题对应的格式化题目图像进行排版生成一个错题文档。
其中,步骤S1041和步骤S1042可以是非必要的,还可以仅将答案内容错误的答案区域所对应的试题区域/题目区域的图像输出或者排版输出。
以分别将每个错题对应的格式化题目图像和每个错题对应的试题区域/题目区域的图像进行排版生成一个错题文档为例,错题文档的排版方式可以为上下排版或者左右排版。
需要注意的是,在一些场景下,例如一个题目区域对应多个答案区域的场景下,如果该题目区域对应的多个答案区域中的部分答案区域的答案内容是正确的,部分答案区域的答案内容是错误的,同样可以将该题目区域的题目内容输出。
其中,将错题文档输出,包括以下方式:
方式一:通过打印引擎模块将错题文档打印于成像介质上,从而实现错题文档的输出。
可选地,当错题文档较多时,还可以将错题文档装订成册。
方式二:将错题文档以电子文档的形式输出给其他电子设备。
图4为本申请一个实施例提供的错题处理方法的应用场景示意图。
如图4所示,错题处理方法例如可以由图像形成装置执行,错题处理方法的过程包括:
Step1:用户通过其它电子设备(例如图4所示的手机)拍摄错题部分或者整张试卷,得到试卷图像;
其中,在其它实施例中,还可以是通过具有扫描功能的电子设备或者图像形成装置自身的扫描模块对试卷进行扫描,得到试卷图像。
Step2:其它电子设备(例如手机)将试卷图像通过网络(例如图4所示的Wi-Fi)下发到图像形成装置(例如图4所示的激光打印机)。
其中,如果是通过图像形成装置自身的扫描模块进行扫描得到试卷图像,则Step2是非必要的。
Step3:图像形成装置识别试卷图像中的错题,将错题对应的试题区域的图像截取出来,同时将错题的题目区域进行字符识别处理和二值化处理,得到格式化题目图像,将格式化题目图像和试题区域的图像按照预设排版方式(例如将格式化题目图像放置于试题区域的图像的下方)进行排版,得到错题文档,以便重新答题。
其中,也可以仅仅将错题对应的格式化题目图像或者错题对应的(原)试题区域/(原)题目区域的图像输出或者排版输出。
Step4:图像形成装置通过打印引擎模块将错题文档打印于成像介质上。
其中,Step4可以是非必要的,即直接将为电子文档格式的错题文档输出。
Step5:如果打印出的错题文档较多,可以将多个打印出的错题文档装订成册。
图5为本申请一个实施例提供的错题处理方法的流程图。
更为具体地,作为一种示例,图像形成装置执行错题处理方法的过程包括:
步骤S201:获取试卷图像,然后执行步骤S202;
步骤S202:对试卷图像进行预处理,然后执行步骤S203,其中,预处理包括颜色增强处理、几何校正处理、光照增强处理及背景去除处理中的任意一个或者多个。
步骤S203:根据试题类型标识,对试题区域进行初步定位,得到至少一个第一区域,然后执行步骤S204;
步骤S204:根据试卷图像的区域定位特征,对试题区域进行细分定位,确定每个第一区域中的答案区域和题目区域,然后执行步骤S205;
步骤S205:确定答案区域和题目区域的从属关系,然后执行步骤S206;
步骤S206:检测答案区域的答案内容是否正确,如果否,执行步骤S207;
步骤S207:截取答案内容错误的答案区域对应的试题区域的图像,然后执行步骤S208;
步骤S208:将答案内容错误的答案区域对应的题目区域的图像进行二值化处理和字符识别处理,生成与答案内容错误的答案区域对应的格式化题目图像,然后执行步骤S209;
其中,步骤S207和步骤S208的顺序可以调换,且步骤S207和步骤S208中的一个可以是非必要的。
步骤S209:用户选择当前格式化题目图像是否排版输出,如果是,则执行步骤S210;
步骤S210:将(错题)对应的试题区域的图像和(错题)对应的格式化题目图像进行排版,生成错题文档,然后执行步骤S211;
其中,也可以是仅将(错题)对应的试题区域的图像和(错题)对应的格式化题目图像进行排版中的一个进行排版。
步骤S211:将错题文档打印在成像介质上,其中,步骤S211可以是非必要的,可以将电子文档形式的错题文档保存或者输出至其他电子设备。
图6为本申请一个实施例提供的错题处理装置的结构示意图。
请参阅图6,本发明实施例还提供一种图像形成装置400,装置包括:
第一获取模块410,用于获取试卷图像;
第一确定模块420,用于根据试卷图像的区域定位特征确定试卷图像的题目区域以及每个题目区域所对应的答案区域;
第二确定模块430,用于对答案区域的图像进行识别,获取各个答案区域的试题批改特征,根据各个答案区域的试题批改特征确定各个答案区域的答案内容是否正确;及
第一输出模块440,用于将答案内容错误的答案区域所对应的题目区域的题目内容输出。
在一种可行的实现方式中,第一确定模块420,包括:
第一识别单元,用于识别试卷图像中的至少一个试题类型标识;
第一确定单元,用于根据至少一个试题类型标识确定试卷图像中的至少一个第一区域以及每个第一区域对应的试题类型信息,其中,试题类型标识与第一区域一一对应;及
第二确定单元,根据每个第一区域的区域定位特征和对应的试题类型信息确定每个第一区域中的至少一个题目区域以及每个题目区域所对应的答案区域。
在一种可行的实现方式中,第二确定单元,包括:
第一确定子单元,用于根据每个第一区域的试题区域定位特征确定每个第一区域中的至少一个试题区域;及
第二确定子单元,用于根据每个第一区域的答案区域定位特征和试题类型信息确定至少一个试题区域中每个试题区域对应的答案区域,进而确定每个答案区域对应的题目区域,其中,每个试题区域包括题目区域及答案区域。
在一种可行的实现方式中,答案区域定位特征包括:特定字符标识、空白区域位置信息、字符尺寸、字符颜色、字符类型中的一个或者任意多个。
在一种可行的实现方式中,图像形成装置400还包括:
预处理模块,用于对试卷图像进行预处理,预处理包括颜色增强处理、几何校正处理、光照增强处理及背景去除处理中的任意一个或者多个。
在一种可行的实现方式中,第一输出模块440,包括:
第一处理单元,用于对答案内容错误的答案区域所对应的题目区域进行二值化处理和字符识别处理,生成与答案区域的题目内容对应的格式化题目图像;及
第一输出单元,用于将格式化试题图像或者将格式化试题图像和答案内容错误的答案区域所对应的试题区域/题目区域的图像按照预设排版方式进行排版,生成错题文档并将错题文档输出。
在一种可行的实现方式中,第一获取模块410还包括:
扫描模块,用于对待处理的错题文档进行扫描,从而获得试卷图像;
和/或,接收模块,用于接收其他电子设备发送的试卷图像。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本发明实施例还提供了一种可读存储介质,可读存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行本发明任一个或多个实施例中的错题处理方法,为避免重复,此处不一一赘述。
本发明实施例还提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行如本发明任一个或多个实施例中的错题处理方法的步骤,为避免重复,此处不一一赘述。
请参阅图7,本发明实施例还提供了一种电子设备50,该实施例的电子设备50包括:处理器51、存储器52以及存储在存储器52中并可在处理器51上运行的计算机程序53,该计算机程序53被处理器51执行时实现实施例中的错题处理方法,为避免重复,此处不一一赘述。或者,该计算机程序被处理器51执行时实现实施例中图像形
本领域技术人员可以理解,图7仅仅是电子设备50的示例,并不构成对电子设备50的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如电子设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器51可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器52可以是电子设备50的内部存储单元,例如电子设备50的硬盘或内存。存储器52也可以是电子设备50的外部存储设备,例如电子设备50上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器52还可以既包括电子设备50的内部存储单元也包括外部存储设备。存储器52用于存储计算机程序以及电子设备所需的其它程序和数据。存储器52还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,可以仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机装置(可以是个人计算机,服务器,或者网络装置等)或处理器(Processor)执行本发明各个实施例方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行本申请任意实施例中提供的错题处理方法。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的电子设备、可读存储介质和计算机程序产品的具体工作过程及原理,可以参考前述联动开关机电路实施例中的对应内容,在此不再赘述。
以上,仅为本申请的具体实施方式,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。本申请的保护范围应以权利要求的保护范围为准。
Claims (17)
1.一种错题处理方法,其特征在于,所述方法包括:
获取试卷图像;
根据所述试卷图像的区域定位特征确定所述试卷图像的至少一个题目区域以及每个题目区域所对应的答案区域;
对所述答案区域的图像进行识别,获取各个所述答案区域的试题批改特征,根据各个答案区域的试题批改特征确定各个答案区域的答案内容是否正确;
将答案内容错误的答案区域所对应的题目区域的题目内容输出。
2.根据权利要求1所述的错题处理方法,其特征在于,所述根据所述试卷图像的区域定位特征确定所述试卷图像的题目区域以及每个题目区域所对应的答案区域,包括:
识别所述试卷图像中的至少一个试题类型标识;
根据所述至少一个试题类型标识确定所述试卷图像中的至少一个第一区域以及每个第一区域对应的试题类型信息,其中,所述试题类型标识与所述第一区域一一对应;
根据每个第一区域的区域定位特征和对应的试题类型信息确定每个第一区域中的至少一个题目区域以及每个题目区域所对应的答案区域。
3.根据权利要求2所述的错题处理方法,其特征在于,所述根据每个第一区域的区域定位特征和对应的试题类型信息确定每个第一区域中的至少一个题目区域以及每个题目区域所对应的答案区域,包括:
根据每个第一区域的试题区域定位特征确定每个第一区域中的至少一个试题区域;
根据每个第一区域的答案区域定位特征和试题类型信息确定至少一个试题区域中每个试题区域对应的答案区域,进而确定每个答案区域对应的题目区域,其中,每个试题区域包括题目区域及答案区域。
4.根据权利要求3所述的错题处理方法,其特征在于,所述答案区域定位特征包括:特定字符标识、空白区域位置信息、字符尺寸、字符颜色、字符类型中的一个或者任意多个。
5.根据权利要求1所述的错题处理方法,其特征在于,在对所述答案区域的图像进行识别,获取各个所述答案区域的试题批改特征,根据各个答案区域的试题批改特征确定各个答案区域的答案内容是否正确之前,所述方法还包括:
对所述试卷图像进行预处理,所述预处理包括颜色增强处理、几何校正处理、光照增强处理及背景去除处理中的任意一个或者多个。
6.根据权利要求1所述的错题处理方法,其特征在于,所述将答案内容错误的答案区域所对应的试题区域的试题内容输出,包括:
对答案内容错误的答案区域所对应的题目区域进行二值化处理和字符识别处理,生成与所述答案区域的题目内容对应的格式化题目图像;
将所述格式化试题图像或者将所述格式化试题图像和答案内容错误的答案区域所对应的试题区域/题目区域的图像按照预设排版方式进行排版,生成错题文档并将所述错题文档输出。
7.根据权利要求4所述的错题处理方法,其特征在于,所述获取试卷图像,包括:
通过扫描模块对待处理的错题文档进行扫描,从而获得所述试卷图像;
或者,接收其他电子设备发送的所述试卷图像。
8.一种图像形成装置,其特征在于,所述装置包括:
第一获取模块,用于获取试卷图像;
第一确定模块,用于根据所述试卷图像的区域定位特征确定所述试卷图像的题目区域以及每个题目区域所对应的答案区域;
第二确定模块,用于对所述答案区域的图像进行识别,获取各个所述答案区域的试题批改特征,根据各个答案区域的试题批改特征确定各个答案区域的答案内容是否正确;及
第一输出模块,用于将答案内容错误的答案区域所对应的题目区域的题目内容输出。
9.根据权利要求8所述的图像形成装置,其特征在于,所述第一确定模块,包括:
第一识别单元,用于识别所述试卷图像中的至少一个试题类型标识;
第一确定单元,用于根据所述至少一个试题类型标识确定所述试卷图像中的至少一个第一区域以及每个第一区域对应的试题类型信息,其中,所述试题类型标识与所述第一区域一一对应;及
第二确定单元,根据每个第一区域的区域定位特征和对应的试题类型信息确定每个第一区域中的至少一个题目区域以及每个题目区域所对应的答案区域。
10.根据权利要求9所述的图像形成装置,其特征在于,所述第二确定单元,包括:
第一确定子单元,用于根据每个第一区域的试题区域定位特征确定每个第一区域中的至少一个试题区域;及
第二确定子单元,用于根据每个第一区域的答案区域定位特征和试题类型信息确定至少一个试题区域中每个试题区域对应的答案区域,进而确定每个答案区域对应的题目区域,其中,每个试题区域包括题目区域及答案区域。
11.根据权利要求10所述的图像形成装置,其特征在于,所述答案区域定位特征包括:特定字符标识、空白区域位置信息、字符尺寸、字符颜色、字符类型中的一个或者任意多个。
12.根据权利要求8所述的图像形成装置,其特征在于,所述图像形成装置还包括:
预处理模块,用于对所述试卷图像进行预处理,所述预处理包括颜色增强处理、几何校正处理、光照增强处理及背景去除处理中的任意一个或者多个。
13.根据权利要求8所述的图像形成装置,其特征在于,所述第一输出模块,包括:
第一处理单元,用于对答案内容错误的答案区域所对应的题目区域进行二值化处理和字符识别处理,生成与所述答案区域的题目内容对应的格式化题目图像;及
第一输出单元,用于将所述格式化试题图像或者将所述格式化试题图像和答案内容错误的答案区域所对应的试题区域/题目区域的图像按照预设排版方式进行排版,生成错题文档并将所述错题文档输出。
14.根据权利要求9所述的图像形成装置,其特征在于,所述第一获取模块还包括:
扫描模块,用于对待处理的错题文档进行扫描,从而获得所述试卷图像;
和/或,接收模块,用于接收其他电子设备发送的所述试卷图像。
15.一种电子设备,其特征在于,所述电子设备包括存储器及处理器,所述存储器中存储有计算机程序,所述处理器与所述存储器连接,所述处理器执行计算机程序以实现如权利要求1~7中任一项所述的错题处理方法。
16.一种可读存储介质,其特征在于,所述可读存储介质包括计算机指令,当所述计算机指令在电子设备上运行时,使得所述电子设备执行权利要求1~7中任一项所述的错题处理方法。
17.一种计算机程序产品,其特征在于,当所述计算机程序产品在电子设备上运行时,使得所述电子设备执行如权利要求1~7中任一项所述的错题处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010852173.1A CN111950557A (zh) | 2020-08-21 | 2020-08-21 | 错题处理方法、图像形成装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010852173.1A CN111950557A (zh) | 2020-08-21 | 2020-08-21 | 错题处理方法、图像形成装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111950557A true CN111950557A (zh) | 2020-11-17 |
Family
ID=73359829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010852173.1A Pending CN111950557A (zh) | 2020-08-21 | 2020-08-21 | 错题处理方法、图像形成装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111950557A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801084A (zh) * | 2021-01-29 | 2021-05-14 | 杭州大拿科技股份有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN113159030A (zh) * | 2020-12-18 | 2021-07-23 | 深圳简捷电子科技有限公司 | 一种错题打印系统 |
CN113326010A (zh) * | 2021-04-23 | 2021-08-31 | 深圳市沃特沃德信息有限公司 | 错题打印方法、装置和计算机设备 |
CN113673405A (zh) * | 2021-08-14 | 2021-11-19 | 深圳市快易典教育科技有限公司 | 基于题目识别的习题批改方法、系统及智能家教学习机 |
CN113723543A (zh) * | 2021-09-02 | 2021-11-30 | 成都东方闻道科技发展有限公司 | 一种自动裁题展示方法、装置、计算机设备及存储介质 |
CN114973815A (zh) * | 2022-04-27 | 2022-08-30 | 龙诚教育科技(深圳)有限公司 | 一种用于在线教学对学生进行测试的系统、方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107784264A (zh) * | 2017-05-05 | 2018-03-09 | 合肥林翔智能科技有限公司 | 基于图像处理的答卷分析方法及系统 |
CN108171297A (zh) * | 2018-01-24 | 2018-06-15 | 谢德刚 | 一种答题卡识别方法及装置 |
CN109710590A (zh) * | 2018-12-26 | 2019-05-03 | 杭州大拿科技股份有限公司 | 一种错题本生成方法及装置 |
CN110210309A (zh) * | 2019-04-30 | 2019-09-06 | 宜春宜联科技有限公司 | 错题识别方法、系统、可读存储介质及设备 |
CN111274239A (zh) * | 2019-12-30 | 2020-06-12 | 安徽知学科技有限公司 | 试卷结构化处理方法、装置和设备 |
CN111553211A (zh) * | 2020-04-16 | 2020-08-18 | 深圳中兴网信科技有限公司 | 试卷答案识别方法、系统、装置和计算机可读存储介质 |
-
2020
- 2020-08-21 CN CN202010852173.1A patent/CN111950557A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107784264A (zh) * | 2017-05-05 | 2018-03-09 | 合肥林翔智能科技有限公司 | 基于图像处理的答卷分析方法及系统 |
CN108171297A (zh) * | 2018-01-24 | 2018-06-15 | 谢德刚 | 一种答题卡识别方法及装置 |
CN109710590A (zh) * | 2018-12-26 | 2019-05-03 | 杭州大拿科技股份有限公司 | 一种错题本生成方法及装置 |
CN110210309A (zh) * | 2019-04-30 | 2019-09-06 | 宜春宜联科技有限公司 | 错题识别方法、系统、可读存储介质及设备 |
CN111274239A (zh) * | 2019-12-30 | 2020-06-12 | 安徽知学科技有限公司 | 试卷结构化处理方法、装置和设备 |
CN111553211A (zh) * | 2020-04-16 | 2020-08-18 | 深圳中兴网信科技有限公司 | 试卷答案识别方法、系统、装置和计算机可读存储介质 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113159030A (zh) * | 2020-12-18 | 2021-07-23 | 深圳简捷电子科技有限公司 | 一种错题打印系统 |
CN112801084A (zh) * | 2021-01-29 | 2021-05-14 | 杭州大拿科技股份有限公司 | 图像处理方法及装置、电子设备和存储介质 |
WO2022161293A1 (zh) * | 2021-01-29 | 2022-08-04 | 杭州大拿科技股份有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN113326010A (zh) * | 2021-04-23 | 2021-08-31 | 深圳市沃特沃德信息有限公司 | 错题打印方法、装置和计算机设备 |
CN113673405A (zh) * | 2021-08-14 | 2021-11-19 | 深圳市快易典教育科技有限公司 | 基于题目识别的习题批改方法、系统及智能家教学习机 |
CN113673405B (zh) * | 2021-08-14 | 2024-03-29 | 深圳市快易典教育科技有限公司 | 基于题目识别的习题批改方法、系统及智能家教学习机 |
CN113723543A (zh) * | 2021-09-02 | 2021-11-30 | 成都东方闻道科技发展有限公司 | 一种自动裁题展示方法、装置、计算机设备及存储介质 |
CN113723543B (zh) * | 2021-09-02 | 2024-01-09 | 成都东方闻道科技发展有限公司 | 一种自动裁题展示方法、装置、计算机设备及存储介质 |
CN114973815A (zh) * | 2022-04-27 | 2022-08-30 | 龙诚教育科技(深圳)有限公司 | 一种用于在线教学对学生进行测试的系统、方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111950557A (zh) | 错题处理方法、图像形成装置及电子设备 | |
US8619278B2 (en) | Printed matter examination apparatus, printed matter examination method, and printed matter examination system | |
US9454696B2 (en) | Dynamically generating table of contents for printable or scanned content | |
US10140510B2 (en) | Machine print, hand print, and signature discrimination | |
US8757491B2 (en) | Image processing device, image processing method, and computer-readable recording medium storing image processing program | |
US11694459B2 (en) | On-device partial recognition systems and methods | |
US9558433B2 (en) | Image processing apparatus generating partially erased image data and supplementary data supplementing partially erased image data | |
US11418658B2 (en) | Image processing apparatus, image processing system, image processing method, and storage medium | |
US9485385B2 (en) | Image processing apparatus and computer program for generating a file in which plural area images of a document image are disposed in different pages | |
EP4369312A1 (en) | An image processing method, image forming device and electronic device | |
US11436733B2 (en) | Image processing apparatus, image processing method and storage medium | |
JP6540597B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
US8760670B2 (en) | System and method for print production sheet identification | |
US9641723B2 (en) | Image processing apparatus with improved slide printout based on layout data | |
CN111753850A (zh) | 文档处理方法、装置、计算机设备及计算机可读存储介质 | |
CN114882517A (zh) | 文本处理方法、装置和系统 | |
US8964192B2 (en) | Print verification database mechanism | |
US20140168721A1 (en) | Image processing apparatus, method, and program | |
CN110991451A (zh) | 扫描图像的卡片区域图像的校正方法及装置 | |
US11354890B2 (en) | Information processing apparatus calculating feedback information for partial region of image and non-transitory computer readable medium storing program | |
CN104067604A (zh) | 打印样本特征集 | |
CN114882209A (zh) | 文本处理方法、装置和系统 | |
JP7040244B2 (ja) | 情報処理装置、情報処理システム、及び情報処理プログラム | |
JP6852359B2 (ja) | 画像処理装置及びプログラム | |
CN116521103A (zh) | 一种自动获取打印信息的内容打印方法、装置及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |